全文获取类型
收费全文 | 666篇 |
免费 | 28篇 |
专业分类
公路运输 | 272篇 |
综合类 | 192篇 |
水路运输 | 143篇 |
铁路运输 | 70篇 |
综合运输 | 17篇 |
出版年
2024年 | 12篇 |
2023年 | 57篇 |
2022年 | 36篇 |
2021年 | 32篇 |
2020年 | 18篇 |
2019年 | 21篇 |
2018年 | 4篇 |
2017年 | 6篇 |
2016年 | 9篇 |
2015年 | 9篇 |
2014年 | 26篇 |
2013年 | 25篇 |
2012年 | 33篇 |
2011年 | 53篇 |
2010年 | 35篇 |
2009年 | 51篇 |
2008年 | 50篇 |
2007年 | 41篇 |
2006年 | 36篇 |
2005年 | 23篇 |
2004年 | 23篇 |
2003年 | 14篇 |
2002年 | 18篇 |
2001年 | 17篇 |
2000年 | 10篇 |
1999年 | 8篇 |
1998年 | 5篇 |
1997年 | 6篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1989年 | 2篇 |
1988年 | 1篇 |
排序方式: 共有694条查询结果,搜索用时 343 毫秒
371.
372.
动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全.以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发了基于深度学习的轴承故障诊断预测软件,实现了轴承故障早期的分类与诊断.模型的仿真和试验表明... 相似文献
373.
374.
375.
针对变负载工况下单尺度CNN提取滚动轴承健康状态特征不充分的问题,提出了一种DSCNN-BiLSTM诊断模型。该模型基于粗粒度化和平均池化层的理论基础,通过双尺度卷积神经网络结合双向长短时记忆网络,对滚动轴承振动信号进行空间维度特征和时间序列特征的提取,实现端对端的滚动轴承故障诊断。通过设置2种不同变负载工况实验,采用DSCNN-BiLSTM模型进行滚动轴承故障特征提取,平均准确率分别达到了97.55%和98.07%,有效提高了在变负载工况下的滚动轴承故障诊断准确率,为滚动轴承健康状态识别提供了关键技术。 相似文献
376.
为交通管理部门和出行大众提供精准的事故高发黑点预警信息具有重要的意义。为此,研究了1种基于双向长短期记忆神经网络(bidirectional long short-term memory neural network,BiLSTM)的黑点路段交通事故频次预测方法。通过对传统K-means聚类算法的k值选取进行改进,实现了道路交通事故黑点的有效识别,并统计黑点每天事故数作为事故时间序列;利用小波分解对该序列进行降噪处理,通过多层网格搜索法对隐藏层层数、神经元个数等模型的参数进行标定,构建了基于BiLSTM网络的事故频次预测模型;采用滑动窗口的方式将事故时间序列作为内部参数输入模型,以交通流量、节假日、事故天气和事故发生环境等特征作为外部参数,对事故黑点路段未来1 d内可能发生的事故数进行预测,并基于预测结果提出了1种事故黑点路段交通事故预警模型;以浙江省宁波市交警部门某辖区2020年4月—2021年9月常态采集的事故数据为测试集,以7 d的事故数据预测未来1 d的黑点路段事故频次,将BiLSTM模型与门控循环神经网络(GRU)模型、长短期记忆神经网络(LSTM)模型、反向传播神经网络(B... 相似文献
377.
378.
《汽车工程》2021,43(8)
疲劳驾驶和不安全驾驶行为是引起交通事故的主要原因,随着智能交通技术的发展,利用深度学习算法进行驾驶行为检测已成为研究的热点之一。在卷积神经网络和长短时记忆神经网络的基础上,结合注意力机制改进网络结构,提出一种混合双流卷积神经网络算法,空间流通道采用卷积神经网络提取视频图像的空间特征值,以空间金字塔池化代替均值池化,统一了特征图的尺度变换,时间流通道采用SSD算法计算视频序列相邻两帧光流图像,用于人眼等脸部小目标的检测,再进行图像特征融合与分类,在LFW数据集和自建数据集中进行了实验,结果表明本方法的人脸识别和疲劳驾驶的检测准确率分别高于其他方法 1.36和2.58个百分点以上。 相似文献
379.
选取来自国际学术期刊的论文,以概述形式对城市交通理论方法、实证分析等学术研究成果进行总结性介绍,旨在增强城市交通业界和学界对国际学术动向和研究热点的关注,促进学术交流。本期共选取2篇论文:《基于长短期记忆网络和手机信令数据的出行活动模型》一文提出一个新的基于长短期记忆网络的出行活动模型框架,该模型框架能够根据手机信令数据识别的出行详细信息直接分析个人出行行为偏好,减少对社会经济属性和活动类型等信息的需求,同时可以很好地预测与时间相关的信息,并具有最佳的稳定性;《用于自动驾驶卡车编队的聚合零知识证明和区块链授权身份验证》一文提出一种聚合高效的零知识证明方法,用于卡车混合队列环境中基于许可区块链网络进行隐私保护身份验证,其能以毫秒为单位执行身份验证,与单一零知识证明设计相比,聚合高效的零知识身份验证系统具有更高的安全性和更好的性能。 相似文献
380.